Kursus Pengenalan Wajah Tahan Oklusi: FPN Multi-Skala + ArcFace (PyTorch)
Bangun sistem pengenalan wajah yang tetap bekerja walau wajah tertutup masker, kacamata, atau tangan: dataset LFW dengan oklusi sintetis, deteksi & penyelarasan wajah, Feature Pyramid Network, fusi fitur multi-skala, ArcFace loss, verifikasi dengan kurva ROC & EER, sampai aplikasi absensi wajah.
Materi mengikuti seri video Kursus Pengenalan Wajah Tahan Oklusi dengan Fusi Fitur Multi-Skala (6 modul). Modul 1 bisa ditonton gratis.
Hasil yang Dicapai
- ±95% — Akurasi identifikasi embedding ArcFace
- AUC 0,99 — Verifikasi wajah dengan EER sekitar 1%
- 3 jenis — Oklusi sintetis: masker, kacamata, tangan
- Open-set — Aplikasi absensi menolak orang asing
Apa yang Dipelajari
- Dataset LFW & Oklusi Sintetis: Memuat LFW lalu menambahkan masker, kacamata, dan tangan secara otomatis.
- Deteksi & Penyelarasan Wajah: YuNet, lima landmark, dan penyelarasan ke template ArcFace 112x112.
- Feature Pyramid Network: Ekstraksi peta fitur wajah di empat skala.
- Fusi Multi-Skala & ArcFace: Menggabungkan fitur multi-skala menjadi embedding dengan ArcFace loss.
- Verifikasi ROC & EER: Cosine similarity, pemilihan threshold, kurva ROC, dan EER.
- Uji Oklusi & Absensi: Uji ketahanan oklusi dan aplikasi absensi yang menolak orang asing.
Untuk Siapa?
- Mahasiswa S1/S2 (skripsi & tesis) — Kerangka penelitian pengenalan wajah lengkap: metode pembanding, metode usulan, eksperimen, dan evaluasi siap bab 4.
- Peneliti & dosen — Kode PyTorch & OpenCV yang rapi dan mudah diganti data, parameter, atau metodenya untuk publikasi.
- Praktisi & engineer — Memahami cara kerja pengenalan wajah dari teori sampai implementasi yang bisa dicoba sendiri.
- Developer & data scientist — Praktik PyTorch & OpenCV pada studi kasus nyata, bukan sekadar contoh mainan.
Dataset dan file project tersedia khusus untuk pelanggan premium. Butuh pendampingan riset? Lihat .









